一种光伏发电站智能巡检系统

技术领域

本发明涉及巡检领域，尤其涉及一种光伏发电站智能巡检系统。

背景技术

光伏发电站指的是利用太阳光能、采用特殊材料诸如晶硅板、逆变器等电子元件组成的发电体系，与电网相连并向电网输送电力的发电站。由于将太阳能转换为电能的转换效率比较低，因此，为了满足发电量的需求，光伏发电站一般面积都比较大，这就使得光伏发电站的巡检成为一个难题。由于光伏设备数量众多，且分布范围广，如果采用传统的人工巡检的方式，效率会比较低，而且人力成本高。

发明内容

鉴于上述问题，本发明的目的在于提供一种光伏发电站智能巡检系统。

本发明提供了一种光伏发电站智能巡检系统，包括无人运输车和无人机；

所述无人运输车包括车体和设置在所述车体顶部的无人机机舱；

所述无人机机舱包括底板，侧板和顶部盖板；

所述无人机放置在所述无人机机舱内部；

所述无人运输车用于按照预存的运输任务将无人机运输到停车点；

所述无人机用于在所述无人运输车到达停车点后，按照预存的拍摄任务获取光伏发电装置的状态图像。

作为优选，所述光伏发电站智能巡检系统还包括控制平台；

所述控制平台包括任务生成模块和通信模块；

所述任务生成模块用于生成所述运输任务和所述拍摄任务，所述运输任务包括停车点列表、每个停车点的停车时间和各个停车点的停车顺序；

所述拍摄任务包括无人机的飞行路径、待拍摄的光伏发电装置的编号和待拍摄的光伏发电装置的坐标；

所述通信模块用于分别将所述运输任务和所述拍摄任务传输至所述无人运输车和所述无人机。

作为优选，所述控制平台还包括图像识别模块和提示模块；

所述无人机还用于将所述状态图像传输至所述通信模块；

所述通信模块用于将所述状态图像传输至所述图像识别模块；

所述图像识别模块用于对所述状态图像进行分析，判断所述状态图像对应的光伏发电装置是否异常，获得判断结果；

所述提示模块用于在所述判断结果为所述状态图像对应的光伏发电装置异常时，按照预设的提示方式向值班人员进行预警。

作为优选，所述预设的提示方式包括弹窗预警和声光报警器预警；

弹窗预警通过设置在值班人员的智能手机和工作电脑中的预警程序实现；

声光报警器设置在值班室中。

作为优选，所述光伏发电装置包括光伏发电板和逆变器。

作为优选，所述底板的上端设置有弹性组件；所述弹性组件的上端设置有停机板；所述停机板的内部设置有电磁铁；

所述电磁铁用于将无人机停吸附在所述停机板的表面。

作为优选，所述弹性组件包括弹簧或弹性橡胶；

所述弹性组件的下端与所述底板连接，所述弹性组件的上端与所述停机板连接。

作为优选，所述无人运输车还包括快速充电装置，所述快速充电装置用于为所述无人机进行快速充电。

与现有技术相比，本发明的优点在于：

本发明通过无人运输车和无人机的组合来实现对光伏发电站中的设备的巡检工作，相较于传统的人工巡检的方式，效率更高，且人力成本低。而且，无人机在一个停车点执行完拍摄任务后，便飞回无人机机舱中，前往下一个停车点，在这个过程中，无人机可以进行快速充电，从而能够极大地缓解无人机续航不足的问题。无人运输车和无人机的结合，使得本发明实现了对大面积的光伏发电站的高效巡检。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种光伏发电站智能巡检系统的第一种示例性实施例图。

图2，为本发明的无人机机舱的剖视图。

图3，为本发明一种光伏发电站智能巡检系统的第二种示例性实施例图。

图4，为本发明一种光伏发电站智能巡检系统的三种示例性实施例图。

图5，为本发明对状态图像进行分析的一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示的一种实施例，本发明提供了一种光伏发电站智能巡检系统，包括无人运输车1和无人机2；

所述无人运输车1包括车体3和设置在所述车体3顶部的无人机机舱4；

如图2所示，所述无人机机舱4包括底板5，侧板6和顶部盖板7；

所述无人机2放置在所述无人机机舱4内部；

所述无人运输车1用于按照预存的运输任务将无人机2运输到停车点；

所述无人机2用于在所述无人运输车1到达停车点后，按照预存的拍摄任务获取光伏发电装置的状态图像。

侧板6的数量为4个，侧板6与底板5之间的夹角为90度；侧板6的顶部设置有电动滑轨，顶部盖板7通过电动滑轨与侧板6连接。

作为优选，所述顶部盖板7包括第一盖板和第二盖板；所述第一盖板和第二盖板的投影面积与所述底板5的面积相同。

当无人机2需要起飞时，电动滑轨带动第一盖板和第二盖板滑动，第一盖板和第二盖板滑动的方向相反，从而使得无人机2能够从无人机机舱4内部飞出。

作为优选，如图3所示，所述光伏发电站智能巡检系统还包括控制平台8；

所述控制平台8包括任务生成模块9和通信模块10；

所述任务生成模块9用于生成所述运输任务和所述拍摄任务，所述运输任务包括停车点列表、每个停车点的停车时间和各个停车点的停车顺序；

所述拍摄任务包括无人机2的飞行路径、待拍摄的光伏发电装置的编号和待拍摄的光伏发电装置的坐标；

所述通信模块10用于分别将所述运输任务和所述拍摄任务传输至所述无人运输车1和所述无人机2。

作为优选，如图4所示，所述控制平台8还包括图像识别模块11和提示模块12；

所述无人机2还用于将所述状态图像传输至所述通信模块10；

所述通信模块10用于将所述状态图像传输至所述图像识别模块11；

所述图像识别模块11用于对所述状态图像进行分析，判断所述状态图像对应的光伏发电装置是否异常，获得判断结果；

所述提示模块12用于在所述判断结果为所述状态图像对应的光伏发电装置异常时，按照预设的提示方式向值班人员进行预警。

作为优选，所述任务生成模块9通过下述方式确定需要进行拍摄的光伏发电装置：

采用固定的时间周期T作为每次巡检的时间长度；

对于第n次巡检，将其对应的时间周期记为T

分别判断每个光伏发电装置的最新的检查时刻是否落入区间[t

将最新的检查时刻落入区间[t

所述最新的检查时刻通过下述方式确定：

获取第i个光伏发电装置的所有的检查时刻中在t

通过下述方式计算第i个光伏发电装置的最新的检查时刻：

式中，t

检查时刻，指的是对光伏发电装置进行状态图像拍摄的时刻。本发明上述实施例，采用固定的时间周期T作为每次巡检的时间长度；然后通过判断光伏发电装置的检查时刻是否落入[t

作为优选，如图5所示，对所述状态图像进行分析，判断所述状态图像对应的光伏发电装置是否异常，获得判断结果，包括：

对所述状态图像进行灰度化处理，获得第一处理图像；

对所述第一处理图像进行降噪处理，获得第二处理图像；

对所述第二处理图像进行图像增强处理，获得第三处理图像；

采用图像特征提取算法获取所述第三处理图像中包含的第一特征信息；

将所述第一特征信息与预存的异常类型的第二特征信息进行匹配，判断第三处理图像对应的光伏发电装置是否异常。

若匹配成功，则表示第三处理图像对应的光伏发电装置存在第二特征信息对应的异常类型，若匹配失败，则表示第三处理图像对应的光伏发电装置正常。

作为优选，所述异常类型包括：裂痕数量过多、裂痕面积过大、生锈面积过大等。

作为优选，所述对所述第一处理图像进行降噪处理，获得第二处理图像，包括：

使用下述方式将所述第一处理图像划分为多个图像块：

第一次划分：

将所述第一图像划分为面积相等的Q个图像块，Q∈4,6]，将第一次划分获得的Q个图像块存入集合judku

对于judku

第v次划分，v大于等于2，

若v小于预设的划分次数阈值cthr，则进行下述处理：

将imgku

对于judku

若v大于等于预设的划分次数阈值cthr，则结束对所述第一处理图像的划分，将此时imgku

获取每个图像块的属性类型；

基于所述属性类型为所述图像块选择降噪方式进行降噪处理，获得降噪后的图像块；

将所有降噪后的图像块组成第二处理图像。

现有的降噪方式一般是使用同一降噪公式对整个第一处理图像中的所有像素点进行统一计算，但是，这种处理方式由于并没有对不同的像素点进行针对性的降噪处理，因此容易使得第一处理图像中包含的细节信息大量丢失。所以本发明使用多次划分的方式将第一处理图像划分为多个图像块，然后再根据每个图像块的类型的不同，为不同的图像块选择不同的降噪方式进行针对性降噪处理，再由降噪处理后的所有图像块组成第二处理图像，能够显著降低第二处理图像中的细节信息的丢失程度，从而提升本发明对光伏发电装置的异常判断的准确性。

作为优选，通过下述方式判断图像块是否需要再次划分：

判断所述图像块中包含的像素点的总数是否大于预设的数量阈值，若是，则表示所述图像块不需要再次划分，若否，则计算所述图像块的像素点差异系数；

若所述像素点差异系数大于预设的系数阈值，则表示所述图像块需要再次进行划分；若所述像素点差异系数小于等于预设的系数阈值，则表示所述图像块不需要再次进行划分；

通过下述方式计算图像块的像素点差异系数：

式中，index

判断是否需要再次划分时，先是判断了图像块的大小，若图像块过小，则容易使得最终得到的图像块数量过多，划分过程耗时过长，因此，本发明通过设置数量阈值来解决这个问题。当图像块的大小符合要求时，再计算像素点差异系数，如果同一个图像块中的像素点差异系数越大，表面这个图像块中的像素点之间的区别越大，因此，当像素点差异系数大于系数阈值时，在继续对图像块进行划分，使得最终获得的图像块中的像素点之间的差异尽可能的小，从而有利于提高依据图像块的属性类型为图像块选择降噪方式的准确性。在计算差异度系数时，从像素值差异、前景像素点的数量、梯度幅值差异这几方面进行综合考虑，有利于提高像素点差异系数的准确性。

作为优选，通过下述方式判断图像块的属性类型：

对于图像块中的像素点，若其像素值为8邻域中的最大值，则将其存入第一集合，若其像素值为q×q大小的窗口中的最大值，则将其存入第二集合；

计算图像块的噪声系数：

式中，nocidx表示图像块的噪声系数，U

若nocidx≤threfir，则所述图像块为第一类型图像块；

若threfir＜nocidx＜thresec，则所述图像块为第二类型图像块；

若thresec≤nocidx，则所述图像块为第三类型图像块；

threfir和thresec分别表示预设的第一判断系数和第二判断系数。

噪声系数越大，则表示图像块受噪声污染的程度越大，因此通过设置第一判断系数和第二判断系数来对图像块的属性类型进行准确划分。

作为优选，所述基于所述属性类型为所述图像块选择降噪方式进行降噪处理，获得降噪后的图像块，包括：

对于第一类型图像块，采用下述方式对其进行降噪处理：

ak(z)＝mid{uz

式中，ak(z)表示对第一类型图像块中的像素点z进行降噪后的像素值，mid表示中值函数，用于获取集合{uz

对于第二类型图像块，采用非局部均值降噪算法进行降噪处理；

对于第三类型图像块，采用下述方式对其进行降噪处理：

对第三类型图像块进行小波分解，获得小波高频系数hsv和小波低频系数lhsv；

对小波高频系数hsv进行下述处理：

式中，afhsv表示处理后的小波高频系数，λ表示预设的控制参数，λ∈(0,1)，tsr

将afhsv和lhsv进行重构，获得降噪处理后的第三类型图像块。

第一类型图像块的受噪声污染的程度比较低，因此，采用中值降噪的方式对第一类型图像块中的像素点进行降噪处理；而第二类型图像块受噪声污染程度中等，因此，采用非局部均值降噪算法进行降噪处理，使得能够在保留更多的细节的同时实现对噪声的准确去除噪声；对于第三类型图像块，受噪声污染最严重，采用时域降噪的方式已经不能很好地对其进行降噪处理，因此，本发明对第三类型图像块进行小波分解，将其转换到小波域进行降噪处理，在对高频系数进行处理时，通过选择阈值为不同情况下的小波高频系数选择不同的函数进行降噪处理，然后再通过重构得到降噪处理后的第三类型图像块。控制参数和模糊程度系数的设置，则是使得本发明的用户能够根据实际的污染情况自适应地设置降噪的力度，因为降噪力度越大，细节信息的丢失程度一般也越大。

作为优选，所述预设的提示方式包括弹窗预警和声光报警器预警；

弹窗预警通过设置在值班人员的智能手机和工作电脑中的预警程序实现；

声光报警器设置在值班室中。

作为优选，所述光伏发电装置包括光伏发电板和逆变器。

作为优选，所述底板5的上端设置有弹性组件；所述弹性组件的上端设置有停机板；所述停机板的内部设置有电磁铁；

所述电磁铁用于将无人机2停吸附在所述停机板的表面。

作为优选，所述弹性组件包括弹簧或弹性橡胶；

所述弹性组件的下端与所述底板5连接，所述弹性组件的上端与所述停机板连接。

作为优选，所述无人运输车1还包括快速充电装置，所述快速充电装置用于为所述无人机2进行快速充电。

本发明通过无人运输车1和无人机2的组合来实现对光伏发电站中的设备的巡检工作，相较于传统的人工巡检的方式，效率更高，且人力成本低。而且，无人机2在一个停车点执行完拍摄任务后，便飞回无人机机舱4中，前往下一个停车点，在这个过程中，无人机2可以进行快速充电，从而能够极大地缓解无人机2续航不足的问题。无人运输车1和无人机2的结合，使得本发明实现了对大面积的光伏发电站的高效巡检。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。